NUGerbang utama
Laporkan akurasi, akurasi berimbang, tingkat tangkapan pada konten sintetis, tingkat peringatan palsu pada konten asli, cakupan, dan penolakan menilai.
Metodologi tolok ukur
Bekukan dulu.
Ukur kemudian.
Ambang batas evaluasi ditetapkan sebelum label uji yang belum tersentuh dilihat. Kelompok sumber dan generator dijaga tetap terpisah sejauh datasetnya memungkinkan.
Buka pemeriksa gratisCakupan dulu, baru skor.
Setiap hasil adalah sinyal peringatan. Bukti dan batasan di bawah ini menentukan apa yang bisa dan tidak bisa didukung oleh jalur ini.
Tanpa akurasi pilih-pilih
Kasus tidak tahu dan mungkin tetap terlihat; keduanya tidak dihapus diam-diam demi memperindah angka utama.
Keterulangan
Catat versi model, checksum artefak, prapemrosesan, jumlah sampel, pembagian data, dan tanggal evaluasi.
Jangan menyimpulkan lebih dari yang diukur jalur ini.
- Set internal yang serba praktis bukanlah validasi independen.
- Ambang batas yang dipilih setelah melihat label uji hanya bersifat penjajakan.
- Satu angka gabungan tidak bisa menggantikan irisan kegagalan per generator, format, dan kelompok demografis.